Dominando Azure Analytics: Architecting in the Cloud with Azure Data Lake, HDInsight, and Spark

Opiniones de los lectores

Las reseñas de 'Mastering Azure Analytics' reflejan una mezcla de opiniones, destacando su uso como recurso introductorio para los nuevos en Azure analytics. Mientras que muchos aprecian su enfoque estructurado y la variedad de temas tratados, varios críticos critican el contenido anticuado, la mala calidad de impresión y la falta de información práctica detallada. Se recomienda para principiantes, pero puede dejar a los usuarios avanzados con ganas de más profundidad.

Buena visión general introductoria de Azure Analytics y sus componentes.

Contiene actividades prácticas y tutoriales.

(basado en 20 opiniones de lectores)

Título original:

Mastering Azure Analytics: Architecting in the Cloud with Azure Data Lake, HDInsight, and Spark

Contenido del libro:

Microsoft Azure cuenta con más de 20 ofertas de plataforma como servicio (PaaS) que pueden servir de apoyo a una solución de análisis de big data. Entonces, ¿cuál es la adecuada para su proyecto? Este práctico libro le ayuda a comprender la amplitud de los servicios Azure organizándolos en un marco de referencia que puede utilizar cuando elabore su propia solución de análisis de big data.

No sólo será capaz de determinar qué servicio se ajusta mejor al trabajo, sino que también aprenderá a implementar una solución completa que escale, proporcione tolerancia a fallos humanos y soporte necesidades futuras.

⬤ Comprender los patrones fundamentales del lago de datos y la arquitectura lambda.

⬤ Reconocer los pasos canónicos en la canalización de datos de análisis y aprender a utilizar Azure Data Factory para orquestarlos.

⬤ Implementar lagos de datos y arquitecturas lambda, utilizando Azure Data Lake Store, Data Lake Analytics, HDInsight (incluyendo Spark), Stream Analytics, SQL Data Warehouse y Event Hubs.

⬤ Comprender dónde encaja Azure Machine Learning en su canalización de análisis.

⬤ Obtener experiencia en el uso de estos servicios en los datos del mundo real que tiene problemas del mundo real, con escenarios que van desde la aviación a Internet de las Cosas (IoT).